小麦籽粒均匀度评价方法研究

2023-01-16卢茂昂彭小爱宋有洪何贤芳朱玉磊

核农学报 2023年2期

卢茂昂彭小爱李敏宋有洪何贤芳，2，* 朱玉磊，*

（1安徽农业大学农学院，安徽合肥 230036；2安徽省农业科学院作物研究所，安徽合肥 230001）

小麦（Triticum aestivumL.）是我国三大主粮之一，在我国的粮食生产及存储上占据重要的战略地位［1］。目前我国对小麦分级的主要方式是人工目测，具有强烈的主观性、随意性，且效率较低［2］。在早期的农业生产中，籽粒形态是主要的育种目标之一，受到人为选择影响较大［3］。高均匀度品种的单籽粒间形态差异较小，播种后有利于提升出苗均匀性［4-5］、幼苗长势［6］及抗寒性［7］等，且收获时千粒重较高［8］，有较高的市场售价［9］，受到种植者的喜爱。同时，均匀度较高的小麦品种在产品初加工时有利于脱壳［10］、提高出粉率［11］、降低分类能耗［12］，二次加工时因其磨粉品质较高和吸水率表现较好，加工出的糕点［13］和面条［14］的品质更好。因此，明确籽粒均匀度的评价方法，有利于筛选出高均匀度品种，提升作物群体均匀度，增加逆境抗性，构建高效高产作物群体［15］，对保障我国粮食安全有着重要意义。

籽粒均匀度是一个复杂的综合指标，受作物基因调控［16-17］，也受环境影响［18-21］。Zhao等［22］研究表明，Btr1-A基因抑制小麦胚轴发育过程中生物细胞壁合成基因的表达，减少花序节点细胞壁合成，导致小麦籽粒破碎，形成不完全粒，降低籽粒均匀度。冯宽等［23］在花后5～8 d对新疆主栽品种新春11号进行高温处理，结果表明花后早期高温胁迫促进小麦籽粒早期发育，抑制籽粒后期发育，最终显著降低粒长、粒宽、直径和淀粉形态，影响小麦籽粒均匀度。Wendt等［24］以900份大麦的种质近等基因系为试验材料，鉴定HvDep1位点突变对大麦造成的影响，结果表明HvDep1位点是粒长和茎秆的正调节因子，该位点突变会导致粒长和株高显著降低；此外，干旱条件会激发Hvdep1等位基因相关早熟特点，导致灌浆提前结束，影响籽粒形态，降低千粒重。

目前国内对于均匀度的评价方法主要有变异系数法［25］和变异系数倒数法［26］，是以单个指标或几个指标结合的方式来评价参试材料，分析基础主要是标准差和平均值。鉴于影响小麦籽粒均匀度的因素较多，直接利用各单项指标难以准确、直观地评价小麦籽粒均匀度。多元统计分析是一种在多个对象和多个指标互相关联的情况下统计其规律的综合分析方法，适用于复杂性状的研究，有利于复杂农艺性状的多个指标综合评价方法的建立［27］。因此，本研究通过对150份小麦材料在两环境下的8个小麦籽粒表型指标进行综合分析，了解指标的遗传多样性、指标相互关系及资源分类特点，并采用多元统计分析方法，建立小麦籽粒均匀度综合评价指标，旨在筛选不同级别籽粒均匀度材料，为小麦育种家和研究工作者提供籽粒均匀度评价方法和合适材料。

1 材料与方法

1.1 试验材料

试验材料150份（见电子附表1），编号1～150，包括育成品种109份、品系32份及地方材料9份，均由安徽省农业科学院作物研究所提供。供试材料主要来自于安徽及江苏，分别为67份和43份，其余材料来自四川12份、山东11份、河南11份、北京2份，福建、陕西、浙江及以色列各1份。

试验材料秋播于安徽省农业科学院阜南（E1）及阜阳（E2）试验基地，播种日期分别为2020年10月18日和10月21日。试验采取随机区组设计，每份材料种植5行，行长2 m，行距20 cm，3次重复。常规田间管理，整个生育期未发生严重病虫害。

1.2 测定指标及方法

分别于2021年6月4日和6月6日收获阜南（E1）及阜阳（E2）试验基地小麦材料。采用人工收割，机械脱粒获得样品籽粒。晒干后每份材料随机取出300粒左右完整的种子，利用SC-G型自动考种分析仪（杭州万深）测定每份材料籽粒粒长（grain length，GL）、粒宽（grain width，GW）、直径（diameter，D）、圆度（roundness，R）、长宽比（grain length width ratio，GLWR）、周长（grain perimeter，GP）、表面积（grain area，GA）及千粒重（thousand grain weight，TGW），共3次重复。计算阜南和阜阳两个环境下的平均值，用于后续分析。

1.3 数据分析

利用Excel 2020对表型数据进行统计分析，参照谢向誉等［28］的方法进行多样性指数（H'）评价；参照孙东雷等［29］的方法计算各小麦材料的综合得分；利用SPSS 26进行相关性分析、聚类分析、主成分分析和隶属函数计算［30］，使用Origin 2021作图。以标准化矩阵为基础，对8个小麦籽粒表型指标进行主成分分析，根据累积贡献率>80%的原则确定主成分个数［31］。计算不同材料在选定主成分上的值，并利用隶属函数法进行标准化处理标度到区间［0，1］［32］。计算公式如下：

式中，Xj表示第j个指标，Xmin、Xmax分别表示每个主成上各个指标的最小、最大的分值；Wj表示第j个主成分的权重；Pj表示经主成分分析所得到的特征值。D值越大，表明材料8个数量指标评价的综合得分越高［27］，均匀度越高。

2 结果与分析

2.1 表型多样性统计和相关性分析

如表1所示，150份小麦材料的粒长、粒宽、直径、圆度、长宽比、周长、表面积和千粒重8个指标均存在丰富变异，变异系数范围为3.56%～9.88%。千粒重变异系数最大，达到了9.88%，最大千粒重为60.82 g，是最小千粒重（35.81 g）的1.70倍；籽粒直径变异系数最小，为3.56%，变化范围为4.22～4.97 mm。各指标遗传多样性指数（H'）都较高，其中最高的是粒长、直径、圆度、长宽比和表面积，为2.08，最低的是千粒重，为2.02。遗传多样性指数由低到高依次为千粒重<周长<粒宽<圆度=直径=表面积=长宽比=粒长。

表1 试验材料籽粒均匀度相关指标统计描述及多样性指数分析Table 1 Statistical description of indicators related to seed uniformity and diversity index of the experimental materials

粒长、粒宽、直径、圆度、长宽比、周长、表面积、千粒重的平均值分别为6.50 mm、3.32 mm、4.63 mm、0.51 mm、1.97、16.88 mm、16.98 mm2、49.78 g；其中表面积、粒宽的最大值均来自71号，分别为19.47 mm2、3.64 mm；千粒重、表面积、直径都最小值均来自于70号，分别为35.81 g、14.14 mm2、4.22 mm。

试验材料各指标相关性（图1）表明粒长、粒宽、周长和千粒重4个指标和其他指标间均呈极显著相关（P<0.01），相关性系数范围分别为0.26～0.94、0.55～0.86、0.35～0.94和0.26～0.89。其中，粒长和周长的相关系数最大，为0.94，粒长与粒宽的相关系数最小，为0.26。

图1 150份小麦材料籽粒均匀度指标的相关性分析Fig.1 Correlation analysis of grain uniformity index of 150 wheat materials

除直径和圆度、直径和表面积、直径和长宽比、表面积和长宽比之间无显著相关外，其他各指标间均呈极显著相关。长宽比与千粒重、粒宽之间呈极显著负相关；圆度与周长、粒长、长宽比之间呈极显著负相关。极显著正相关数值多数高于0.50；表面积和直径之间的极显著正相关性系数达到最大，为0.99；0.26为极显著正相关最小值，出现在粒长与粒宽之间；极显著负相关系数最大值和最小值分别为0.98和0.26，分别出现在圆度与长宽比、千粒重与长宽比之间。

2.2 主成分分析

对150份小麦材料籽粒均匀度的8个指标进行主成分分析（表2），取累计贡献率达到80.00%的前两个主成分，其累计贡献率达到了97.778%。可以反映150份小麦材料8个籽粒均匀度相关指标的大部分遗传信息。第一主成分特征值是4.906，贡献率是61.330%，该主成分中直径、周长、表面积和千粒重最大，反映的是籽粒大小；第二主成分特征值是2.916，贡献率为36.448%，该主成分中圆度最大，反映的是籽粒形态。

表2 各性状主成分的特征向量及贡献率Table 2 Eigenvectors and percentage of accumulated contribution of principal components

2.3 小麦籽粒均匀度的综合评价方法建立

根据各综合指标在不同的材料中隶属函数值和指标权重计算出150份小麦材料籽粒均匀度的综合评价值（D值），D值越大说明籽粒均匀度越高。以D值对150份小麦籽粒材料进行聚类分析，可将150份小麦材料聚类为四类（图2）。类群Ⅰ包括1、7、8等6份小麦材料；类群Ⅱ仅包括2份小麦材料（70、81）；类群Ⅲ包括4、5、6等88份小麦材料；类群Ⅳ包括2、3、61等54份小麦材料。由表3可知，4个类群各指标均值，类群Ⅰ除长宽比（1.85）为4个类群最小外，其余7个指标均为最大，分别为6.67 mm、3.62 mm、4.91 mm、0.55 mm、17.71 mm、18.97 mm2和59.08 g；类群Ⅱ除长宽比（2.14）为4个类群最大，其余7个指标均为最小，分别为6.17 mm、2.93 mm、4.25 mm、0.48 mm、15.87 mm、14.30 mm2及36.45 g。8个指标的最大值与最小值均出现在类群Ⅰ和类群Ⅱ。4个类群在粒长上均表现出显著差异，范围为6.17～6.67 mm；粒宽、直径、表面积、千粒重均表现出类群Ⅰ与类群Ⅲ无显著差异，与类群Ⅱ、类群Ⅳ呈显著差异；8个指标中圆度的极差最小，为0.07；4个类群籽粒长宽比均接近2.00，类群Ⅰ长宽比与类群Ⅱ表现出显著性差异。

图2 150份小麦材料的籽粒均匀度聚类分析图Fig.2 Cluster analysis of grain uniformity of 150 wheat accessions

表3 不同类群小麦材料指标多样性分析Table 3 Diversity of wheat materials index in different groups

以D值进行区间划分，可将150份材料分为四类：低均匀度（low uniformity，LU）、中均匀度（medium uniformity，MU）、高均匀度（high uniformity，HU）和超高均匀度（ultra high uniformity，UHU），区间为［0.00～0.25）、［0.25～0.50）、［0.50～0.75）和［0.75～1.00］（表4）。其中低均匀度材料最少，为2份；超高均匀度材料较少，为12份；其次是中均匀度材料，为56份；其余80份均为高均匀度材料。低均匀度的所有材料（2份）均出现在类群Ⅱ中，类群Ⅲ包括了所有高均匀度材料（80份）。

表4 供试材料籽粒均匀度分组及占比Table 4 Grouping and proportion of grain uniformity of wheat accessions used in this study

如表5所示，超高均匀度等级材料除长宽比（1.89）为4个类群中最小值，其他7个指标均为最大值，分比为6.69 mm、3.57 mm、4.88 mm、0.54 mm、17.69 mm、18.81 mm2和57.74 g；低均匀度等级材料则呈相反表现，除长宽比（2.14）为4个类群中最大值外，其他7个指标值6.17 mm、2.93 mm、4.25 mm、0.48 mm、15.87 mm、14.30 mm2和36.45 g均为最小值。在粒长指标上4个均匀度等级均表现出显著性差异（P<0.05）；中均匀度粒宽与低均匀度粒宽无显著差异，与高、超高均匀度有显著差异。中、低粒宽之间差值最大为0.28 mm；相邻直径均匀度等级之间，近似是以0.24 mm为公差的等差数列；4个类群中圆度的极差最小，为0.06 mm；低、中、高均匀度的长宽比间无显著性差异，籽粒长宽比的范围为1.89～2.14；周长、表面积和千粒重三者相关性呈协同变化，3个指标中千粒重极差最大，为21.29 g，周长的极差最小，为1.82 mm。

表5 不同等级材料指标多样性分析Table 5 Diversity analysis of materials indicators for different levels

2.4 回归模型的建立与籽粒均匀度指标的选择

为明确各指标与小麦材料籽粒均匀度之间的关系，筛选出可靠的籽粒均匀度鉴定指标，建立起可用于小麦的籽粒均匀度评价模型，本研究把综合评价值（D）值作为因变量，将各小麦材料粒长（X1）、粒宽（X2）、直径（X3）、圆度（X4）、长宽比（X5）、周长（X6）、表面积（X7）及千粒重（X8）作为自变量，采用逐步回归的方法建立了最优方程：VP=-2.787+0.294X2+0.007X8+0.246X3+0.869X4-0.178X5+0.026X6+0.019X7（R2=0.999），除粒长外剩余7个指标对籽粒均匀度都有显著性影响。用该回归方程对小麦籽粒均匀度进行预测，其预测值（VP）与综合评价值（D）两者高度相关，达到极显著水平（P<0.01）。说明用该回归方程可以对小麦籽粒均匀度进行评估，预期效果好，准确性高。

2.5 超高均匀度的小麦材料的综合评价

筛选出D值不小于0.75的超高均匀度材料，类群Ⅰ和类群Ⅲ各占6份，共12份（表6），分别为济麦22、恒进麦8号、华成1688、烟农5158、淮麦45、周麦36、宁麦21、镇麦12、百农64、西农916、川麦82及2011。其中宁麦21的D值最大，表明该材料单籽粒间籽粒形态最均匀，淮麦45和镇麦12的CI2为负数，表明其低于第二主成分平均水平，其余材料各主成分均高于平均水平。此类材料整体特点为粒长、粒宽、直径、圆度、周长、表面积和千粒重都偏大，长宽比为一般水平（表3）。

表6 超高均匀度小麦材料的名称、类群、综合性状指标值CI、隶属函数值u（X）、D值及VP值Table 6 Name,group,comprehensive character index values CI,affiliation function value u（X）,D and VP of ultra high uniformity wheat accessions

3 讨论

本研究通过对两环境下150份小麦材料进行描述性统计，发现籽粒形态8个指标变异系数偏低均在10%以下，推测与供试材料大部分来自江苏和安徽有关，证实种质资源变异与地域来源显著性相关［33］。材料各指标遗传多样性指数在2.02～2.08之间，表明其具有丰富的遗传多样性，与吴宏亚等［34］、陈雪燕等［35］和丁明亮等［36］研究结果相同。相关性分析表明材料的表面积、粒长、粒宽、直径间呈两两极显著正相关，其原因可能是控制指标的基因存在一因多效的遗传关联。表明本研究所用试验材料在两个环境下籽粒形态较为稳定，遗传多样性丰富，有利于筛选出可靠的高籽粒均匀度材料。

变异系数法［25］和变异系数倒数法［26］是目前国内对于均匀度的主要评价方法。王端飞等［37］使用变异系数研究水稻群体均匀度法，结果表明水稻穗部均匀度与千粒重呈正相关；马达灵等［38］测定玉米株高和穗位高，使用变异系数倒数法判断其均匀度，表明均匀度与产量成正相关。上述方法操作简单、便捷性较高，但均是基于单一指标的变异系数进行的，仅可初步估算籽粒某一性状的变异大小，但使用单个指标或几个指标的单一方法筛选籽粒均匀度存在局限性。Liu等［39］采用区域定位算法对无人机获取的田间图像进行处理，以此分析田间小麦出苗均匀性，效果较好，但该方法对设备和技术等要求较高，目前不适合大范围使用。本研究发现籽粒形态部分指标间存在显著相关性，表明指标之间存在信息重叠［32］，进一步说明了单个指标并不能对籽粒均匀度进行判断。本研究利用主成分分析将8个单一指标分析后转换成两个独立的综合指标，提供原性状的97.778%的信息。Gegas等［3］对籽粒形态进行主成分分析，结果表明第一主成分反映了籽粒大小，第二主成分反映了籽粒形态，与本文研究结果相同。对主成分分析结果进行聚类分析，表明高均匀度育种亲本应从第Ⅰ和Ⅲ类材料中选择。隶属函数法将D值区间标度为［0，1］，对其划分为4个级别，在千粒重上四个类群和级别呈递增关系，符合前人的高产品种小麦籽粒更加均匀的观点［6，10，16］。利用以D值和各材料的粒长、粒宽等均匀度指标分别作为因变量与自变量，建立最优回归方程VP=-2.787+0.294X2+0.007X8+0.246X3+0.869X4-0.178X5+0.026X6+0.019X7（R2=0.999）。验证方程VP值与D值结果呈极显著正相关（P<0.01），结果可信。因此在选育高均匀度材料时应注重粒宽、直径、圆度和千粒重等指标。